文献分享丨基于SERS技术的大米中农药快速判别研究

2023-04-19 16:18:31 上海如海光电科技有限公司

研究背景

全球范围内，约60%以上的人口是以大米为主食，但大米在种植过程中易受到各种各样害虫和疾病的影响，导致产量下降。为提高作物产量，农药在现代农业生产中起着不可替代的作用。然而，伴随着现代农业的发展，农药的滥用现象越来越多，造成的农药残留超标问题日益严重，对人类健康和生态环境造成了严重的危害。世界各国相继出台了农残限量标准，我国在国家标准GB2763-2019和行业标准NY/T419-2014规定了稻米中毒死蜱、多菌灵和禾草丹的最大残留限量分别为0.1 mg/L、2mg/L和0.2mg/L。本文以毒死蜱、多菌灵和禾草丹农药为研究对象，开展基于SERS 技术的大米中农药快速判别研究，测试原理如图4.1。

研究内容

2.1 SERS光谱分析

本研究利用上海如海光电RFS1000便携式拉曼光谱仪进行毒死蜱、多菌灵和禾草丹SERS光谱采集（每组农药各60个），3种农药测试结果如图4.2所示（每个农药随机选择了超标和未超标两类代表性的SERS光谱）。由图可知，每种农药的超标样本和未超标样本SERS光谱存在重叠、相似峰以及基线漂移等现象，在大多数情况下无法直接通过肉眼直接判断农药含量是否超标，因此有必要在收集大量样本数据的基础上，通过模式识别算法来实现基于SERS技术的大米中农药快速判别目的。

2.2 模型预测性能比较与分析

本研究利用LDA、KNN和PLSDA模型对超标和未超标的毒死蜱、多菌灵和禾草丹农药样本进行定性判别，各个模型由于不同的运算原理对所收集的所有光谱产生了不同的预测结果，表4.1统计了三种模型的判别结果，结果显示，LDA和KNN定性模型均能对毒死蜱和多菌灵农药样本实现100%的识别率。KNN算法是基于最近样本所属类别而进行分类的，对每个待分类的样本都要计算它到全部点的距离，因此计算复杂度高，LDA算法是以标签，类别衡量差异性的有监督降维方式，其目的更明确，更能反映样本间的差异。因此，本研究选择LDA算法作为毒死蜱和多菌灵农药样本的定性模型。禾草丹农药样本的分类结果可知PLSDA模型的预测集识别率结果明显好于另外两种模型结果，预测集识别率达到96.54%。因此，本研究选择PLSDA定性模型作为禾草丹农药样本的分类模型。

2.3 实际样品检测结果及分析

本研究利用构建的判别模型对实际大米样本中三种农药是否超标进行定性判别。将超标（100、10 μg/mL）和未超标（0.01 μg/mL）毒死蜱农药、超标（100、10 μg/mL）和未超标（1μg/mL）多菌灵农药、超标（100、10 μg/mL）和未超标（0.1μg/mL）禾草丹农药加入到大米样本中，分别用SERS和HPLC法进行检测。标签“1”代表超标样品，“2”代表未超标样品，将判别模型的预测结果与 HPLC测量结果对比，确定预测的准确性。最终判别结果如表4.2所示，模型预测标签结果与HPLC结果相同，结果表明本章建立的定性模型对大米中毒死蜱、多菌灵和禾草丹农药正确判别率均达到100%，本研究建立的分类识别模型在实际大米样品农药检测中具有较高的预测准确性。